공공기관 데이터 분석 도입 전 확인해야 할 5가지: 망분리와 온프레미스부터 업무 지속성까지

[핵심 요약]

• 데이터가 없어서 분석을 못 하는 것이 아닙니다. 정부가 지목한 애로사항은 중복 구축에 따른 예산 낭비와 현장 담당자의 실무 적용 어려움입니다.

• 먼저 갈리는 것은 기능이 아니라 어느 환경에서 작동하는가입니다. 망분리 조항은 삭제됐지만 기밀 등급 정보는 분리 영역에 남고, 조달 요건도 업무망에서 독립적으로 운영되는 서비스를 요구합니다.

• 마지막까지 남는 질문은 검증과 인수인계입니다. AI를 활용해도 최종 권한과 책임은 기관에 있어서, 답의 근거를 확인할 수 있어야 합니다.

매달 같은 표를 만듭니다. 업무 시스템에서 이번 달 수치를 내리고, 지난해 같은 달 숫자를 찾아 옆에 붙이고, 증감 칸을 채웁니다. 보고 서식에 옮겨 결재선에 올리면 시간이 훌쩍 지나 있습니다.

회의에서 질문이 들어옵니다. 이 항목은 왜 늘었습니까. 표에는 늘었다는 사실만 있어서 담당자는 다시 시스템으로 돌아갑니다. 숫자를 만드는 데 시간을 다 쓰고 해석할 시간은 남지 않는 구조입니다.

공공기관의 AI 데이터 분석, 어디에서 막히는가

온프레미스를 유지해야 하는 조직의 선택지에서는 지원 종료 이후의 선택지를 정리했습니다. 이번 편은 공공기관으로 좁혀 봅니다.

행정안전부 2025년 데이터기반행정 실태점검 및 평가 결과(2026년 3월 발표)에서 데이터 분석·활용 영역은 65.1점으로 세 영역 중 가장 낮았습니다. 도구가 없어서가 아니라, 기관 환경에 맞는 도구를 고르기가 어렵다는 뜻입니다.

그렇다면 공공기관에 맞는 도구를 고르기 위하여 체크해야 할 부분은 무엇일까요?

1. 보안·인프라 — 폐쇄망에서 외부 유출 없이 동작하는가?

2026년 5월 1일 개정된 「국가 사이버보안 기본지침」에서 망분리 조항이 삭제되고, 정보를 기밀·민감·공개 3개 등급으로 나눠 통제를 달리하는 N2SF(국가 망 보안체계)가 들어섰습니다. 다만 기밀 등급 정보는 여전히 분리 영역에 남습니다.

조항 삭제가 곧 자유로운 외부 연결은 아닙니다. 한국인터넷진흥원(KISA)은 N2SF 적용의 핵심이 ‘물리적 망분리를 한 번에 없애는 것이 아니라, 서비스별 위험을 먼저 따지고, 그에 맞춰 인증, 권한, 데이터 통제, 분리·격리, 감사 기능을 어디에 붙일지 설계하는 방식’이라고 설명합니다. 등급 분류와 통제 설계는 기관의 몫입니다.

공공기관에서 왜 온프레미스여야 하는가

클라우드 AI 도구가 폐쇄망에서 작동되지 않는 경우가 있기 때문입니다. 한 BI 솔루션의 공식 문서에는 자사 AI 어시스턴트가 폐쇄망 환경을 지원하지 않는다고 나옵니다.

그래서 기밀 등급 정보처럼 외부로 옮길 수 없는 데이터를 다루는 업무에서는 온프레미스가 선호가 아니라 요건이 됩니다. 온프레미스는 기관 내부 서버에 시스템을 직접 구축해 운영하는 방식입니다. 비아이매트릭스의 TRINITY는 기업 내부망 안에서 구축되고, LLM은 설치형으로 지원합니다. 이 과정에서 내부 DB 데이터는 외부로 전송되지 않습니다.

다만 폐쇄형 AI에는 상용 생성형 AI에 비해 학습 데이터 범위가 제한적이고 업데이트 주기도 느릴 수밖에 없다는 한계 지적도 있습니다. TRINITY도 완전 오프라인에서 모든 기능이 도는 구조는 아니고, 허용된 외부 API에 한해 외부 정보를 가져옵니다.

2. 데이터 연계 — 새로 DB를 구축하지 않아도 되는가?

분석이 막히는 이유가 데이터의 부재는 아닙니다. 2025년 기준 행정·공공기관이 등록한 정보시스템은 15,618개입니다. 데이터는 이미 있고, 여러 시스템에 나뉘어 있습니다.

행정안전부는 범정부 AI 공통기반의 목적을 ‘개별 기관의 기반 시설 중복 구축에 따른 예산 낭비와 기술 파편화 문제를 해결’하는 것으로 밝혔습니다. (행정안전부 「공공부문 AI 도입·활용 가이드」)

TRINITY는 JDBC를 지원하는 DB에 연결해 기존 DB를 바꾸지 않고 사용합니다. JDBC(Java Database Connectivity)는 애플리케이션이 데이터베이스에 접속할 때 쓰는 표준 연결 방식입니다. 다만 레거시 DB(운영계 DB)는 분석용으로 데이터를 옮겨 두는 스테이징 DB를 별도로 두는 것을 권장합니다. 민원 처리나 재정 집행처럼 멈추면 안 되는 업무를 담당하는 DB에 분석용 조회가 몰리면 응답이 느려질 수 있기 때문입니다.

3. 실무 사용성 — 코딩을 모르는 주무관도 자연어로 쓸 수 있는가?

행정안전부가 공공 AI 도입의 애로사항으로 지목한 것 중 하나가 ‘현장 담당자의 실무 적용 어려움’입니다. 시스템이 들어와도 SQL을 다룰 수 있는 사람만 쓸 수 있다면, 분석 요청은 다시 한 사람의 대기 목록으로 쌓입니다.

TRINITY는 자연어로 질문하면 AI가 SQL을 만들어 데이터를 조회하고 시각화까지 완성하기 때문에 기술 지식이 있는 담당자를 거치지 않아도 바로 데이터 분석이 가능합니다. (참고: TRINITY FAQ#1 AI 데이터 분석 편)

4. 분석 심도 — 단순 통계를 넘어 '원인'까지 파악해 주는가?

합계와 추이를 보여 주는 것과, 그 변화가 어디에서 비롯됐는지 짚는 것은 다릅니다. 2026년 8월 28일 시행된 「인공지능 및 데이터 기반 행정 활성화에 관한 법률」은 AI를 의사결정에 활용하더라도 최종 권한과 책임은 해당 기관에 있다고 정합니다.

행정안전부의 AI 가이드가 기관 내부 문서를 먼저 찾아 그 내용으로 답하게 만드는 RAG(검색증강생성) 방식을 우선 적용하도록 한 이유도 같습니다. 공공에서 AI 분석의 관문은 속도가 아니라 근거입니다.

TRINITY는 한 문장 질문으로 시각화와 시사점을 함께 정리하고, 답변에 사용된 SQL을 열어 직접 검증할 수 있습니다. 결과가 어떤 조회 조건에서 나왔는지 답의 근거를 확인할 수 있습니다.

5. 업무 지속성 — 보고서 출력과 인사이동에 대응할 수 있는가?

공공기관은 순환 보직으로 담당자가 주기적으로 바뀝니다. 전임자가 만든 분석이 개인 PC나 기억에만 남아 있다면, 인사 이동 때마다 업무를 처음부터 다시 익혀야 합니다. 분석 결과가 보고서로 이어지는지도 중요합니다. 화면에서만 볼 수 있는 분석은 결재 문서로 옮기는 데 또 시간이 듭니다.

분석 결과를 보고서로 내보낼 수 있는지, 그리고 지금 담당자가 만든 질의와 분석 전략이 다음 담당자에게 연결되는지 확인해봐야 합니다.

TRINITY는 분석 전략의 자산화로 다음 담당자가 전임자의 업무를 이어받아 진행할 수 있도록 돕습니다. (참고: 분석 전략의 자산화)

도입 전 체크리스트 한눈에 보기

공공기관 데이터 분석 도입의 성패는 기능 목록보다 이 다섯 가지 질문에 얼마나 분명하게 답할 수 있는지에서 갈립니다. 망분리 환경에서 온프레미스로 운영할 수 있는지를 가장 먼저 확인하고, 나머지 네 가지는 시연 자리에서 기관의 실제 데이터로 직접 검증해 보시길 권합니다.

비아이매트릭스의 TRINITY는 20년 이상의 데이터 분석 노하우에 AI를 더한 DB 데이터 분석 AI Agent입니다. 온프레미스 설치를 지원해 망분리 환경에서도 운영할 수 있으며, GS 1등급 인증을 받고 조달청 디지털서비스몰에 등록되어 있어 공공기관 도입 절차에도 맞춰져 있습니다. 보다 안전한 AI 데이터 분석을 하고 싶으시다면 비아이매트릭스에 연락주세요!